如何在bash中的多字符分隔符上拆分字符串？

Question

为什么不能使用以下bash代码？

for i in $( echo "emmbbmmaaddsb" | split -t "mm"  )
do
    echo "$i"
done

预期产量:

e
bb
aaddsb

Answer 1

由于您需要换行符,因此您只需使用换行符替换mm字符串中的所有实例即可.在纯粹的原生bash中:

in='emmbbmmaaddsb'
sep='mm'
printf '%s\n' "${in//$sep/$'\n'}"

如果你想在更长的输入流上做这样的替换,你可能最好使用awk,因为bash的内置字符串操作不能很好地扩展到超过几千字节的内容.BashFAQ#21中给出的gsub_literalshell函数(后端awk)适用:

# Taken from http://mywiki.wooledge.org/BashFAQ/021

# usage: gsub_literal STR REP
# replaces all instances of STR with REP. reads from stdin and writes to stdout.
gsub_literal() {
  # STR cannot be empty
  [[ $1 ]] || return

  # string manip needed to escape '\'s, so awk doesn't expand '\n' and such
  awk -v str="${1//\\/\\\\}" -v rep="${2//\\/\\\\}" '
    # get the length of the search string
    BEGIN {
      len = length(str);
    }

    {
      # empty the output string
      out = "";

      # continue looping while the search string is in the line
      while (i = index($0, str)) {
        # append everything up to the search string, and the replacement string
        out = out substr($0, 1, i-1) rep;

        # remove everything up to and including the first instance of the
        # search string from the line
        $0 = substr($0, i + len);
      }

      # append whatever is left
      out = out $0;

      print out;
    }
  '
}

......在这种情况下,用作:

gsub_literal "mm" $'\n' <your-input-file.txt >your-output-file.txt

Answer 2

使用awk，您可以使用gsub替换所有正则表达式匹配项。

与您的问题一样，要将两个或多个 'm' 字符的所有子字符串替换为新行，请运行：

echo "emmbbmmaaddsb" | awk '{ gsub(/mm+/, "\n" ); print; }'

电子

bb

aaddsb

gsub() 中的“g”代表“全局”，意思是到处替换。

您还可以要求只打印 N 个匹配项，例如：

echo "emmbbmmaaddsb" | awk '{ gsub(/mm+/, " " ); print $2; }'

bb

Answer 3

下面给出了一个更通用的示例，其中没有用单个字符定界符替换多字符定界符：

使用参数扩展：（来自@gniourf_gniourf的评论）

#!/bin/bash

str="LearnABCtoABCSplitABCaABCString"
delimiter=ABC
s=$str$delimiter
array=();
while [[ $s ]]; do
    array+=( "${s%%"$delimiter"*}" );
    s=${s#*"$delimiter"};
done;
declare -p array

一种更粗略的方式

#!/bin/bash

# main string
str="LearnABCtoABCSplitABCaABCString"

# delimiter string
delimiter="ABC"

#length of main string
strLen=${#str}
#length of delimiter string
dLen=${#delimiter}

#iterator for length of string
i=0
#length tracker for ongoing substring
wordLen=0
#starting position for ongoing substring
strP=0

array=()
while [ $i -lt $strLen ]; do
    if [ $delimiter == ${str:$i:$dLen} ]; then
        array+=(${str:strP:$wordLen})
        strP=$(( i + dLen ))
        wordLen=0
        i=$(( i + dLen ))
    fi
    i=$(( i + 1 ))
    wordLen=$(( wordLen + 1 ))
done
array+=(${str:strP:$wordLen})

declare -p array

参考- 巴什教程 - 巴什分割字符串

Answer 4

推荐的用于字符替换的工具是用于一次正则表达式或全局正则表达式sed的命令，您甚至不需要循环或变量。s/regexp/replacement/s/regexp/replacement/g

用管道echo传输您的输出，并尝试用mm换行符替换字符\n：

echo "emmbbmmaaddsb" | sed 's/mm/\n/g'

输出为：

e
bb
aaddsb